왜 사각형 대신 타원(Ellipse)을 사용해야 할까?
얼굴의 위치를 추적할 때는 얼굴을 사각형이 아닌 타원으로 감싸는 것이 더 효과적입니다. 그 이유는 타원에는 명확한 중심점(center)이 존재하기 때문입니다. 이 중심점은 곧 검출된 얼굴의 중심 좌표가 되며, 덕분에 얼굴의 위치를 훨씬 더 정확하게 추적할 수 있습니다.
반면 사각형 바운딩 박스는 모서리를 기준으로 정보를 다루게 되어 중심 좌표를 별도로 계산해야 하는 번거로움이 있습니다. 타원을 사용하면 이 과정이 자연스럽게 단순해집니다.
아래 예제 프로그램은 검출된 얼굴의 중심 좌표를 추적하여 콘솔 창에 출력합니다.
예제 코드
#include<iostream>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
//rectangle() 함수의 정의가 포함된 헤더//
#include<opencv2/objdetect/objdetect.hpp>
//CascadeClassifier의 정의가 포함된 헤더//
#include<string>
using namespace std;
using namespace cv;
int main(int argc, char** argv){
Mat image_with_humanface;//사람 얼굴이 담긴 이미지를 저장할 행렬 선언//
image_with_humanface = imread("person.jpg");//사람 얼굴이 포함된 이미지 로드//
namedWindow("Face Detection");//결과를 출력할 윈도우 생성//
string trained_classifier_location = "C:/opencv/sources/data/haarcascades/haarcascade_frontalface_alt.xml";//학습된 XML 분류기 파일의 경로를 문자열로 지정//
CascadeClassifier faceDetector;//CascadeClassifier 클래스의 객체 선언//
faceDetector.load(trained_classifier_location);//객체에 학습된 XML 분류기 로드//
vector<Rect>faces;//검출된 얼굴 영역을 저장할 사각형 벡터 선언//
faceDetector.detectMultiScale(image_with_humanface, faces, 1.1, 4, CASCADE_SCALE_IMAGE, Size(20, 20));//이미지에서 얼굴 검출//
int horizontal = 0;//얼굴 중심의 x좌표를 저장할 변수//
int vertical = 0;//얼굴 중심의 y좌표를 저장할 변수//
for (int i = 0; i < faces.size(); i++){ //검출된 각 얼굴을 순회하는 반복문//
Point center(faces[i].x + faces[i].width * 0.5, faces[i].y + faces[i].height * 0.5);//얼굴 영역의 중심 좌표 계산//
ellipse(image_with_humanface, center, Size(faces[i].width * 0.5, faces[i].height * 0.5), 0, 0, 360, Scalar(255, 0, 255), 4, 8, 0);//얼굴 위에 타원 그리기//
horizontal = faces[i].x + faces[i].width * 0.5;//중심 좌표의 x값 저장//
vertical = faces[i].y + faces[i].height * 0.5;//중심 좌표의 y값 저장//
}
cout << "Position of the face is at(x,y) = (" << horizontal << ", " << vertical << ")" << endl;//얼굴의 중심 위치 출력//
imshow("Face Detection", image_with_humanface);//결과 이미지 화면에 표시//
waitKey(0);//키 입력이 있을 때까지 대기 후 프로그램 종료//
return 0;
}코드 설명
이 프로그램의 동작 흐름은 다음과 같습니다.
1. 이미지 로드 및 윈도우 생성: imread() 함수로 얼굴이 포함된 이미지를 불러오고, 결과를 표시할 윈도우를 생성합니다.
2. 분류기 로드: Haar Cascade 기반의 정면 얼굴 검출 분류기(haarcascade_frontalface_alt.xml)를 CascadeClassifier 객체에 로드합니다. 이때 OpenCV가 설치된 경로에 따라 XML 파일의 위치를 환경에 맞게 수정해야 합니다.
3. 얼굴 검출: detectMultiScale() 함수가 이미지 내에서 여러 크기의 얼굴을 검출하여 Rect 형태의 벡터에 저장합니다.
4. 중심 좌표 계산 및 타원 그리기: 각 얼굴 영역의 폭과 높이에 0.5를 곱해 중심점을 구한 뒤, ellipse() 함수로 얼굴을 감싸는 타원을 그립니다. 동시에 중심 좌표의 x값과 y값을 변수에 저장합니다.
5. 결과 출력: 콘솔 창에 얼굴의 중심 위치 (x, y)를 출력하고, 타원이 표시된 이미지를 윈도우에 보여줍니다.
실행 결과
프로그램을 실행하면 이미지 속 얼굴 주위에 자홍색 타원이 그려지고, 콘솔 창에는 다음과 같이 얼굴의 중심 좌표가 출력됩니다.
Position of the face is at(x,y) = (312, 245)
마무리
이처럼 타원의 중심점을 활용하면 검출된 얼굴의 위치를 간단하고 정확하게 추적할 수 있습니다. 이 기법은 얼굴 추적, 시선 추적, 실시간 얼굴 인식 시스템 등 다양한 컴퓨터 비전 프로젝트의 기초로 활용될 수 있습니다. 여러 장의 연속된 프레임에 적용하면 얼굴의 이동 궤적을 추적하는 응용으로도 확장할 수 있습니다.